Ir al contenido

Documat

Análisis de sentimientos a nivel de aspecto usando ontologías y aprendizaje automático

  • Autores: Carlos Henriquez Miranda, Ferrán Pla Árbol académico, Lluis Felip Hurtado Oliver Árbol académico, Jaime Alberto Guzmán Luna Árbol académico
  • Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 59, 2017, págs. 49-56
  • Idioma: español
  • Títulos paralelos:
    • Aspect-based sentiment analysis using ontologies and machine learning
  • Enlaces
  • Resumen
    • español

      En este artículo se presenta un sistema de análisis de sentimientos a nivel de aspecto que permite extraer automáticamente las características de una opinión y determinar la polaridad asociada. El sistema propuesto está basado en un modelo que utiliza ontologías de dominio para la detección de los aspectos y un clasificador basado en Máquinas de Soporte Vectorial para la asignación de la polaridad a los aspectos detectados. El trabajo experimental se ha realizado utilizando el conjunto de datos desarrollado para la Tarea 5, Sentence-level ABSA en SemEval 2016 para el español. El sistema propuesto ha obtenido un 73.07 en F1 en la extracción de aspectos (slot2) y un 46.24 de F1 en la subtarea conjunta de categorización y extracción de aspectos (slot1,2) utilizando una aproximación basada en ontologías. Para la subtarea de clasificación de sentimientos (slot3) se ha obtenido una Accuracy de 84.79% utilizando una aproximación basada en el uso de Máquinas de Soporte Vectorial y lexicones de polaridad. Estos valores superan los mejores resultados obtenidos en SemEval.

    • English

      In this paper, we present an aspect-based sentiment analysis system that allows to automatically extract the characteristics of an opinion and to determine their associated polarity. The proposed system is based on a model that uses domain ontologies for the detection of aspects and a classifier based on the Support Vector Machines formalism for assigning the polarity to the detected aspects. The experimental work was conducted using the dataset developed for Task 5, Sentence-level ABSA in SemEval 2016 for Spanish. The proposed system has obtained a 73.07 in F1 in the aspect extraction subtask (slot2) and a 46.24 of F1 in the categorization and aspect extraction subtask (slot1,2) using an ontology-based approach. For the sentiment classification subtask (slot3) an 84.79% in terms of Accuracy has been obtained using an approach based on Support Vector Machines and polarity lexicons. These results are better than those reported in SemEval.

  • Referencias bibliográficas
    • Alvarez López, T., J. Juncal-Martínez, ´ M. Fernández-Gavilanes, E. CostaMontenegro, y F. J. González-Castaño. 2016. Gti at semeval-2016 task...
    • Diego, California, June. Association for Computational Linguistics. Cadilhac, A., F. Benamara, y N. AussenacGilles. 2010. Ontolexical resources...
    • C¸ etin, F. S., E. Yıldırım, C. Ozbey, y G. Er- ¨ yi˘git. 2016. Tgb at semeval-2016 task 5: Multi-lingual constraint system for aspect based...
    • Carlos Henríquez, Ferran Pla, Lluís-F. Hurtado, Jaime Guzmán 54 on Semantic Evaluation (SemEval-2016), páginas 337–341, San Diego, California, June....
    • Chaves, M., L. Freitas, y R. Vieira. 2012. Hontology: a Multilingual Ontology for the Accommodation Sector in the Tourism Industry. En CTIC/STI...
    • De Freitas, L. A. y R. Vieira. 2013. Ontology-based Feature Level Opinion Mining for Portuguese Reviews. En Proceedings of the 22nd International...
    • González, J.-A., F. Pla, y L.-F. Hurtado. 2017. SemEval-2017 task 4: Sentiment analysis in Twitter. En Proceedings of the 11th International...
    • Canada, August. Association for Computational Linguistics. Gonzalez-Agirre, A. y G. Rigau. 2013. Construcción de una base de conocimiento...
    • Henríquez, C. y J. Guzmán. 2016. Las ontologías para la detección automática de aspectos en el análisis de sentimientos. Revista Prospectiva,...
    • Henríquez Miranda, C., J. Guzmán, y D. Salcedo. 2016. Minería de Opiniones basado en la adaptación al español de ANEW sobre opiniones acerca...
    • Hu, M. y B. Liu. 2004. Mining and Summarizing Customer Reviews. En Proceedings of the tenth ACM SIGKDD international conference on Knowledge...
    • Hurtado, L.-F. y F. Pla. 2014. Análisis de Sentimientos, Detección de Tópicos y Análisis de Sentimientos de Aspectos en Twitter. En TASS 2014.
    • Jiménez-Zafra, S. M., Martín-Valdivia, M. T., Martínez-Cámara, E., y Ureña-López, L. A. 2016. Combining resources to improve unsupervised...
    • Kontopoulos, E., C. Berberidis, T. Dergiades, y N. Bassiliades. 2013. Ontology-based sentiment analysis of twitter posts. Expert Systems with...
    • Kumar, A., S. Kohail, A. Kumar, A. Ekbal, y C. Biemann. 2016. Iit-tuda at semeval-2016 task 5: Beyond sentiment lexicon: Combining domain...
    • June. Association for Computational Linguistics. Lecun, Y., Y. Bengio, y G. Hinton. 2015. Deep learning. Nature, 521(7553):436– 444, 5.
    • Liu, B. 2012. Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language Technologies. Morgan & Claypool Publishers.
    • Liu, B. 2015. Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge University Press.
    • Liu, B., M. Hu, y J. Cheng. 2005. Opinion Observer: Analyzing and Comparing Opinions on the Web. En Proceedings of the 14th international...
    • Manek, A., P. Shenoy, y M. Mohan. 2016. Aspect term extraction for sentiment analysis in large movie reviews using Gini Index feature selection...
    • Marcheggiani, D., O. T¨ackstr¨om, A. Esuli, y F. Sebastiani. 2014. Hierarchical multilabel conditional random fields for aspectoriented opinion...
    • Medhat, W., A. Hassan, y H. Korashy. 2014. Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, páginas...
    • Meng, L., R. Huang, y J. Gu. 2013. A Review of Semantic Similarity Measures in WordNet. International Journal of Hybrid Information Technology,...
    • Mikolov, T., K. Chen, G. Corrado, y J. Dean. 2013a. Efficient estimation of word representations in vector space. CoRR, abs/1301.3781.
    • Mikolov, T., I. Sutskever, K. Chen, G. Corrado, y J. Dean. 2013b. Distributed representations of words and phrases and their compositionality....
    • Molina-González, M. D., E. Martínez-Cámara, M.-T. Martín-Valdivia, y J. M. PereaOrtega. 2013. Semantic orientation for polarity classification...
    • Padró, L. y E. Stanilovsky. 2012. Freeling 3.0: Towards wider multilinguality. En Proceedings of the Language Resources and Evaluation Conference...
    • Pang, B. y L. Lee. 2008. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(12):1– 135.
    • Peñalver-Martinez, I., F. Garcia-Sanchez, R. Valencia-Garcia, M. Angel Rodríguez-García, V. Moreno, A. Fraga, y J. L. Sánchez-Cervantes. 2014....
    • Pla, F. y L.-F. Hurtado. 2014. Political tendency identification in twitter using sentiment analysis techniques. En Proceedings of COLING...
    • Pontiki, M., D. Galanis, H. Papageorgiou, I. Androutsopoulos, S. Manandhar, M. AlSmadi, M. Al-Ayyoub, Y. Zhao, B. Qin, O. De Clercq, V. Hoste,...
    • Poria, S., I. Chaturvedi, E. Cambria, y F. Bisio. 2016. Sentic LDA: Improving on LDA with Semantic Similarity for AspectBased Sentiment Analysis....
    • Qiu, G., B. Liu, J. Bu, y C. Chen. 2011. Opinion Word Expansion and Target Extraction through Double Propagation. Computational linguistics,...
    • Saralegi, X. y I. San Vicente. 2013. Elhuyar at tass 2013. En Proceedings of the TASS workshop at SEPLN 2013, páginas 143– 150. IV Congreso...
    • Steinberger, J., T. Brychcín, y M. Konkol. 2014. Aspect-Level Sentiment Analysis in Czech. En Workshop on Computational Approaches to Subjectivity,...
    • Studer, R., V. R. Benjamins, y D. Fensel. 1998. I DATA & KNOWLEDGE ENGINEERING. Data & Knowledge Engineering, 25:161–197.
    • Wang, H., Y. Lu, y C. Zhai. 2010. Latent Aspect Rating Analysis on Review Text Data: A Rating Regression Approach. En KDD’10: Proceedings...
    • Xianghua, F., L. Guo, G. Yanyan, y W. Zhiqiang. 2013. Multi-aspect sentiment analysis for Chinese online social reviews based on topic modeling...
    • Zhang, W., H. Xu, y W. Wan. 2012. Weakness Finder: Find product weakness from Chinese reviews by using aspects based sentiment analysis. Expert...
    • Zhou, Z.-H., J. Wu, y W. Tang. 2002. Ensembling neural networks: Many could be better than all. Artificial Intelligence, 137(1):239 – 263.
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno